1. Nauka
    2. /
  2. Kursy
    3. /
  3. ETL i ELT w Pythonie
Connected

ćwiczenie

Monitorowanie i alerty w potoku danych

Czas połączyć to wszystko w całość! Pewnie się już domyślasz, że obsługa błędów za pomocą try-except i logowanie idą ze sobą w parze. Obie te praktyki są niezbędne, aby potok danych był odporny na błędy i przejrzysty – stanowią też fundament bardziej zaawansowanych rozwiązań do monitorowania i alertowania.

pandas został zaimportowany jako pd, a moduł logging jest już załadowany i skonfigurowany. DataFrame raw_sales_data został wyekstrahowany i jest gotowy do transformacji.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Utwórz komunikat logowania na poziomie info, aby odnotować sukces, oraz komunikat ostrzegawczy na wypadek, gdy transformacja się nie powiedzie.